Все ответы к экзамену по Теории Вероятностей, страница 3
Описание файла
Документ из архива "Все ответы к экзамену по Теории Вероятностей", который расположен в категории "". Всё это находится в предмете "теория вероятностей и математическая статистика" из 6 семестр, которые можно найти в файловом архиве НИУ «МЭИ» . Не смотря на прямую связь этого архива с НИУ «МЭИ» , его также можно найти и в других разделах. Архив можно найти в разделе "к экзамену/зачёту", в предмете "теория вероятностей и математическая статистика" в общих файлах.
Онлайн просмотр документа "Все ответы к экзамену по Теории Вероятностей"
Текст 3 страницы из документа "Все ответы к экзамену по Теории Вероятностей"
Пусть ξ – дискретная случайная величина, определяемая значениями x1, x2, … , xk, … и соответствующими вероятностями p1, p2, … , pk, … . Математическое ожидание Mξ определяется как сумма (1.1) (если ряд сходится абсолютно).
Пусть ξ – непрерывная случайная величина, определяемая плотностью pξ(x). Математическое ожидание Mξ определяется как интеграл (1.2) (если интеграл сходится абсолютно).
Замечание. Механическим аналогом математического ожидания является центр тяжести системы материальных точек. Пусть в точках x1, x2, … , xk, … находятся материальные точки с массами mk=pk, равными вероятностями. Тогда центр тяжести xц этой системы есть , т.е. математической ожидание. Это позволяет иногда определять
без вычислений.
Дисперсией случайной величины называется сумма
(2), если
дискретна и интеграл
, если
непрерывна. Справедлива формула
, если
дискретна (
);
.
Поскольку дисперсия получается усреднением квадрата единицы измерения случайной величины. Для того чтобы измерять разброс в исходных единицах, вводят понятие среднеквадратичного отклонения: .
Примеры: 1) Случайная величина, распределенная по биномиальному закону. . Поскольку ξ – это количество успехов в n испытаниях, ξ можно представить суммой результатов
, где
, т.е. ξ есть сумма независимых бинарных величин. Mξ и Dξ равны n-кратным значениям Mεk и Dξ, т.е. Mξ=np; Dξ=npq.
2) Случайная величина, распределенная по закону Пуассона. ; k=0,1,2, … Согласно (1.1)
. Согласно (2)
. Затем
. Итак, параметр a закона Пуассона имеет двойной вероятностный смысл: это математическое ожидание и одновременно дисперсия, причем стандартное отклонение
3) Случайная величина , распределенная по нормальному закону. Плотность распределения
. Согласно (1.2) используя замену переменной
, имеем
, где первый интеграл равен 1, поскольку интегрируется плотность, а второй равен 0, поскольку под интегралом нечетная функция. С помощью той же замены нетрудно показать, что
.
4) Случайная величина, распределенная по равномерному закону.
/*На основе формул математического ожидания и дисперсии получим*/ ;
12. Интеграл Стильтьеса. Общее определение математического ожидания.
13. Математическое ожидание функции от случайной величины. Моменты случайной величины (моменты распределения).
14. Многомерные случайные величины, дискретные и непрерывные; функции распределения и их свойства.
Основные определения
Мы всегда предполагаем, что имеется некоторый эксперимент, результат которого заранее неизвестен и непредсказуем. Известно множество всех возможных результатов эксперимента, на котором задана вероятность
. В этой схеме
— элемент произвольной природы. Если же исходом эксперимента являются
чисел
(случайная точка в
, то случайный исход называется n-мерной случайной величиной. Таким образом,
и на
задана вероятность
, т.е. для достаточно произвольного
,
, задана
— вероятность попадания случайной точки в
.
Определение 1a. n чисел — случайный исход эксперимента, называется n-мерной случайной величиной.
n-мерная случайная величина может определяться и задаваться более общим способом. Пусть — множество исходов
произвольной природы и на
задана вероятность Р. Пусть на
определены n функций с вещественными значениями:
Определение 1б. n вещественнозначных функций, определенных на вероятностном пространстве , называется n-мерной случайной величиной. При таком определении нас интересует вопрос, как определяются вероятности случайных событий
(попадание случайной n-мерной точки в А). Выделим в
множество В:
состоящее из тех , для которых значения функций
. Поскольку
, для B задана вероятность
. События
и
эквивалентны, и потому
Дискретные и непрерывные случайные величины
Будем рассматривать двумерные случайные величины основные положения оказываются справедливыми и для случайных величин произвольной размерности.
Определение 2. Случайная величина называется дискретной, если множество ее возможных значений конечно или cчетно. Такая случайная величина может быть задана перечислением точек
на плоскости и соответствующими вероятностями
.
Без ограничения общности можно считать, что множество значений — это узлы , i,j = 1, 2,... прямоугольной решетки, поскольку любое конечное или счетное множество точек на плоскости можно дополнить до прямоугольной решетки узлами с нулевыми вероятностями (рис. 5.1);
— вероятности соответствующих точек. Можем определить вероятность попадания
в некоторую область A на плоскости (рис. 5.2):
Очевидно, сумма вероятностей всех точек равна 1:
По совокупности вероятностей можно найти закон распределения одной компоненты, например первой:
т.е. при фиксированном значении , суммируются вероятности всех точек из
, у которых первая компонента равна
. Аналогично для второй компоненты
Определение 3. Двумерная случайная величина называется непрерывной, если в любой точке плоскости
существует плотность вероятности
, понимаемая как предел отношения вероятности попадания в прямоугольник с малыми сторонами
к площади прямоугольника:
Функция называется плотностью совместного распределения для
Из (5.4) следует, что вероятность попадания в некоторую область А равна интегралу от
по А:
Очевидно,
Плотность распределения одной компоненты определяется аналогично (5.3):
Пример 1. Случайная величина называется равномерно распределенной в области G, если
Значение константы c равно , где
— площадь области G, определяемая из (5.6).
Пример 2. Случайная величина распределена нормально, если
Эта плотность имеет 5 параметров: . Линии уровня для плотности
являются эллипсами с центром в точке ; в этой точке
имеет максимум. Если по (5.7) определить
и
, то увидим, что
и
подчиняются нормальному распределению, причем
Параметр r — это коэффициент корреляции между
и
(см. пп. 7.3).
Функции распределения
Определение. Функцией распределения случайной величины называется функция
, определенная на
и равная в точке (х, у) вероятности события
:
Обычно в индексе указывают случайную величину:
Свойства функций распределения.
1. .
2. монотонно не убывает по каждому из аргументов.
3.
4. непрерывна слева по каждому из аргументов.
5. Вероятность попадания в прямоугольник (рис. 5.3):
Эта формула позволяет определить вероятность попадания в область, которую можно представить непересекающимися прямоугольниками.
6. Связь плотности с функцией распределения:
Действительно, в силу (5.5)
Дифференцирование по x и y дает (5.9).
Для случайной величины произвольной размерности:
7. По можно определить функции распределения и плотности для отдельных компонент:
15. Независимость случайных величин. Условные распределения.
Независимость случайных величин
Напомним, что события А и В называются независимыми, если
Определение 1. Дискретные случайные величины и
называются независимыми, если при любых
и
или
Определение 2. Непрерывные случайные величины называются независимыми, если для любых х и у для плотностей справедливо равенство:
Определение 3. Понятие независимости для случайных величин общего типа формулируется в терминах функций распределения. Величины и
независимы, если
Определение 4. n случайных величин называются независимыми в совокупности, если
Условные распределения
а) Рассмотрим сначала дискретные случайные величины и
, определяемые совокупностью
точек на плоскости и соответствующими вероятностями
. Предположим, что эксперимент проведен. Стало известно значение одной компоненты
= у, но значение другой компоненты
остается неизвестным. Возникает вопрос: каковы вероятности того, что
имеет различные значения
? Выпишем эти вероятности по формуле условной вероятности:
В этом выражении изменяется, а у зафиксирован.
Определение. Совокупность по вероятностей (5.14) называется условным распределением случайной величины
при условии известного значения
= у.
Просуммировав (5.14) по , с учетом (5.3б) убеждаемся, что
б) Рассмотрим непрерывные случайные величины и
, определяемые плотностью совместного распределения
. Предположим, что эксперимент проведен. Стало известно значение одной компоненты
= у но значение другой (
) остается неизвестным. Каково теперь распределение значений для
Определение. Плотностью условного распределения случайной величины при условии известного значения
= у называется функция от х: